[北京邮电大学数据结构与算法课件]DSC11.pptVIP

* 第十一章. 外部排序 （Chapter 11. External Sorting) 待排序列记录数量太大，不能全部存放在计算机随机存储器中，排序过程中需对计算机外存进行访问，这种排序过程称为外部排序。 §11.1 外存信息的存取 一、磁带信息的存取： 磁带是在一条塑料薄膜上涂有磁性材料用以记录数据的存储介质。其记录组之间有一定的空隙 IRG（Inter Record Gap），它不是连续运转的设备，读写 二、磁盘信息的存取： 磁盘是在一片塑料薄膜上涂有磁性材料用以记录数据的存储介质。它分成多个磁道（柱面），每个磁道又分为多个扇区，多个磁盘组成的磁盘组还涉及到盘片号（磁头号），磁盘绕轴高速旋转，读写头则沿其一条半径作直线运动以寻道。它也不是 信息只能在运行稳定时进行，且找到要读写的记录也需要一定的绕带时间，因此，在磁带上读写信息所需的时间由两部分组成：TI/O = td + n tw，其中 td 为延迟时间，即读写磁头到达信息所在物理块起始位置所需时间， tw 为传输一个记录的时间。磁带是一种顺序存储设备。 §11.2 外部排序的方法 总体要用归并排序，亦即将待排序列分成若干子序列分别进入内存排成有序序列（初始归并段），再用归并排序将所有归并段排序成一个有序序列。 连续运转的设备，读写信息只能在旋转稳定时进行，且找到要读写的记录也需要一定的寻道、寻扇区时间，因此，在磁盘上读写信息所需的时间由三部分组成：TI/O = tseek + tla + n tw，其中 tseek 为寻道时间（seek time）， tla 为寻扇区时间（latency time time）， tw 为传输时间（transmission time）。磁盘是一种随机存储设备。 一般情况下，外部排序所需的总时间由三部分构成：内部排序（产生初始归并段）所需时间（ m * tIS ）、外存信息读写时间（ d * tIO ）、内部归并所需时间（ s * u tmg ）。其中 tIS 是为得到一个初始归并段进行内部排序所序的平均时间， tIO 是进行一次外存读写的平均时间， u tmg 是对 u 个记录进行内部归并所需的时间，m 为初始归并段的个数，s 为归并的趟数，d 为总的读写次数。 但由于访问外存储器的时间开销太大，即 tIO 远远大于 tmg ，因此，要提高外部排序速度，就必须减少访问外存的次数。 对同一待排序列而言，外部排序访问外存的总次数 d 与归并的趟数 s 成正比，而对 m 个初始归并段进行 k 路平衡归并所需的趟数 s = log k m ，因此，增加 k 或减少 m 均能减少 s。 利用败者树（ tree of loser ）可解决这一问题：类似于锦标赛排序的思想，在进行 k 路平衡归并时 ，将相互比较过的关键字值较大的初始归并段号（败者）留在树结点中，将关键字值较小的初始归并段号（胜者）上传，直到找到最终的胜者（最小值的段号）；将其归并后，其下一记录将替换它参加新的一轮比赛以找到新的最小值段号；反复此过程，直至全部 k 个初始归并段合并成一个有序序列为止。此时的归并时间为 log2m (n-1) tmg，与 k 无关，但 k 也并非越大越好。 §11.3 多路平衡归并的实现 若单纯增加 k 以减少 s ，将会增加内部归并的时间 u tmg ，这将抵销 d 随 s 减少而得到的效益，如何解决这一矛盾呢？ 5 16 12 8 30 5 23 34 16 28 31 12 14 17 8 10 15 30 38 56 b3 b4 b0 b1 b2 [0] [1] [2] [3] [4] 初始归并段 0 b5 5 5 5 5 5 16 0 4 5 16 5 0 3 30 0 2 8 30 8 0 1 12 5 0 5 8 1 3 5 23 23 34 48 23 16 3 16 12 4 12 8 0 1 8 10 10 15 29 10 30 2 10 12 0 1 10 15 15 29 88 5 - 路平衡归并的败者树： 例： §11.4 置换 - 选择排序 … 利用置换-选择排序（replacement-selection sort）可以达到这个目的（也用败者树实现）： 置换 - 选择排序是在选择排序的基础上， 当最小关键字记录被选出后，它空出的位置补充进一个新的记录，以后再求最小记录时，不能选择比刚才的最小记录关键字小的记录，只能从大